Python Pandas dataframe.std()用法及代碼示例

Python是進行數據分析的一種出色語言，主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種，使導入和分析數據更加容易。

Pandas dataframe.std()函數返回請求軸上的樣品標準偏差。默認情況下，標準偏差由N-1歸一化。它是一種用於量化一組數據值的變化或離散量的度量。欲了解更多信息，請點擊此處

用法：DataFrame.std(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs)

參數：
axis:{索引(0)，列(1)}
skipna:排除NA /空值。如果整個行/列均為NA，則結果為NA
level:如果軸是MultiIndex(分層)，則沿特定級別計數，並折疊為Series
ddof:Delta自由度。計算中使用的除數為N-ddof，其中N表示元素數。
numeric_only:僅包括float，int，boolean列。如果為None，將嘗試使用所有內容，然後僅使用數字數據。未針對係列實施。

返回：std：Series或DataFrame(如果指定級別)

要鏈接到代碼中使用的CSV文件，請單擊此處

範例1：采用std()函數沿索引軸查找數據的標準偏差。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.read_csv("nba.csv") 
  
# Print the dataframe 
df

現在找到 DataFrame 中所有數字列的標準偏差。我們將跳過NaN計算標準偏差中的值。

# finding STD 
df.std(axis = 0, skipna = True)

輸出：

範例2：采用std()函數以查找列軸上的標準偏差。

找到沿列軸的標準偏差。我們將skipna設置為true。如果我們不跳過NaN值，它將導致NaN值。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.read_csv("nba.csv") 
  
# STD over the column axis. 
df.std(axis = 1, skipna = True)

輸出：

相關用法

注：本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas dataframe.std()。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。